类别隐式关键点检测的条件链接预测
计算机视觉与模式识别
2020-12-01 v1
摘要
物体的关键点反映其简洁抽象，而相应的连接链接（CL）通过检测关键点之间的内在关系构建骨架。现有方法通常计算密集，不适用于属于多类的实例，和/或无法同时编码连接信息。为解决上述问题，我们提出一种端到端类别隐式关键点与链接预测网络（KLPNet），这是首个用于同步语义关键点检测（针对多类实例）与 CL 重建的方法。在我们的 KLPNet 中，提出一种新颖的条件链接预测图，用于基于预定义类别的关键点间链接预测。此外，引入跨阶段关键点定位模块（CKLM）以探索从粗到细的关键点定位的特征聚合。在三个公开基准上进行的综合实验表明，我们的 KLPNet 始终优于所有其他最先进方法。此外，CL 预测的实验结果也显示了我们的 KLPNet 在遮挡问题上的有效性。
引用
@article{arxiv.2011.14462,
title = {Conditional Link Prediction of Category-Implicit Keypoint Detection},
author = {Ellen Yi-Ge and Rui Fan and Zechun Liu and Zhiqiang Shen},
journal= {arXiv preprint arXiv:2011.14462},
year = {2020}
}
备注
WACV 2021 paper